MATLAB神经网络工具箱在径流模拟中的应用

选择汉江上游回水河流域为研究区域 ,运用美国Mathworks公司发布的MATLAB神经网络工具箱构建BP神经网络 ,采用traingdm函数 (动量梯度下降反向传播算法 )、trainlm函数 (Leverberg -Marquart优化方法 )和train br函数 (Leverberg -Marquart优化方法结合贝叶斯正则化方法 )来训练BP网络 ,进行日流量模拟 ,并比较 3种算法的模拟精度。结果表明 :使用MATLAB神经网络工具箱可以快速、高效地构建BP神经网络 ,并应用于径流模拟中 ;神经网络工具箱提供的大量网络构建函数、快速学习算法和友好的图形界面大大缩短了神经网络的建模时间 ,使网络设计者摆脱繁琐的编程工作 ,将研究重点转移到如何优化网络配置、提高网络学习效率、推广能力和仿真效果上来 ;在回水河流域 ,采用trainbr函数训练的网络模拟径流的精度较traingdm函数和trainlm函数的精度高。